Weryfikacja SocialBit jako algorytmu smartwatcha do wykrywania interakcji społecznych w populacji klinicznej

Dlaczego liczenie rozmów ma znaczenie

Po poważnej chorobie, takiej jak udar, drobne codzienne chwile — rozmowa z pielęgniarką czy żart z rodziną — mogą cicho wpływać na proces zdrowienia. Wiadomo, że więzi społeczne chronią zdrowie mózgu, a nawet wydłużają życie, jednak lekarze rzadko dysponują wiarygodnym sposobem mierzenia, jak bardzo pacjent rzeczywiście angażuje się społecznie w ciągu dnia. W tym badaniu przedstawiono SocialBit, system działający na smartwatchu, który w sposób dbający o prywatność nasłuchuje rozmów i sprawdza, czy potrafi dokładnie śledzić interakcje społeczne w rzeczywistym środowisku osób hospitalizowanych po udarze.

Smartwatch, który słyszy, ale nie podsłuchuje

SocialBit to algorytm programowy uruchamiany na gotowym smartwatchu. Zamiast nagrywać rozmowy czy analizować wypowiedziane słowa, wykorzystuje krótkie fragmenty dźwięku otoczenia, aby wychwycić wzorce takie jak głośność, rytm i inne cechy akustyczne. Na ich podstawie decyduje, czy dana minuta prawdopodobnie obejmowała interakcję — definiowaną prosto jako każdy dźwięk pochodzący od innej osoby lub skierowany do pacjenta, włączając fragmentaryczną lub niewerbalną mowę często występującą po udarze. Ponieważ system nigdy nie przechowuje surowego dźwięku ani przepisanych tekstów, zaprojektowano go tak, by chronić prywatność, a jednocześnie dostarczać klinicystom ciągły odczyt społecznego życia pacjenta.

Test urządzenia w realnym życiu szpitalnym

Aby sprawdzić, czy SocialBit działa poza laboratorium, badacze zrekrutowali 153 dorosłych hospitalizowanych z powodu udaru niedokrwiennego w dwóch szpitalach w Bostonie. Pacjenci nosili smartwatch w godzinach dziennych przez maksymalnie osiem dni, podczas gdy przeszkoleni obserwatorzy śledzili bezpieczne nagranie wideo na żywo i oznaczali każdą minutę jako społeczną lub nie. To stworzyło prawie 89 000 minut danych kodowanych przez ludzi, z czego około 14 000 minut miało również odczyty SocialBit. Pacjenci byli bardzo zróżnicowani: nasilenie udaru wahało się od bardzo łagodnego do ciężkiego, wyniki myślenia i pamięci obejmowały niemal całą skalę, a 24 uczestników miało różne formy afazji — zaburzenia języka, które często zaburza normalną rozmowę. Ta różnorodność pozwoliła zespołowi sprawdzić, czy system działa nawet wtedy, gdy mowa jest przerywana, bełkotliwa lub minimalna.

Jak dobrze działał algorytm

Gdy oceny SocialBit porównano z oznaczeniami minutowymi dokonanymi przez ludzkich koderów, najlepiej działająca wersja algorytmu prawidłowo wykrywała interakcję społeczną w około 87 procentach minut, które rzeczywiście ją zawierały, i prawidłowo rozpoznawała brak interakcji w 88 procentach przypadków. Statystycznie rzecz biorąc, stawiało to SocialBit przed istniejącymi ogólnego przeznaczenia detektorami mowy i rozmów. Co ważne, jego zbiorcze zestawienie czasu spędzonego na interakcjach w ciągu dnia ściśle odpowiadało ocenom ludzkim, mimo że smartwatch próbował tylko jednej z pięciu minut, by oszczędzać baterię. Wyniki pozostały mocne w obliczu wielu realnych wyzwań, w tym dźwięku telewizora w tle, rozmów bocznych w pomieszczeniu, połączeń telefonicznych i wideo, różnych oddziałów szpitalnych oraz dwóch rodzajów sprzętu smartwatcha.

Uwzględnianie pacjentów, którzy mają trudności z mówieniem

Kluczowym pytaniem było, czy SocialBit zawiedzie u osób z afazją, które mogą mówić mniej lub wytwarzać mowę niestandardową. W tej podgrupie algorytm nadal sprawował się dobrze, z jedynie umiarkowanym spadkiem dokładności w porównaniu z pacjentami bez zaburzeń językowych. System także zachowywał się w sposób klinicznie sensowny: pacjenci z cięższymi udarami mieli mniej minut wykrytej interakcji, co odzwierciedlało obserwacje ludzkich koderów. Każdy wzrost punktu w ocenie nasilenia udaru wiązał się z mniej więcej jednowprocentowym spadkiem udziału czasu spędzanego na interakcjach. Sugeruje to, że SocialBit nie tylko rozpoznaje dźwięk, lecz uchwytuje istotny wymiar społecznego życia pacjentów.

Co to może znaczyć dla opieki

Autorzy argumentują, że narzędzie takie jak SocialBit mogłoby przekształcić interakcję społeczną w „znak życiowy”, który można śledzić obok ciśnienia krwi czy tętna. W badaniach mogłoby dostarczyć obiektywnego wyniku dla prób klinicznych mających na celu poprawę jakości życia lub zmniejszenie izolacji. W codziennej praktyce mogłoby alarmować klinicystów i opiekunów, gdy pacjent staje się mniej zaangażowany społecznie, co skłoniłoby do wcześniejszego wsparcia lub zmian w otoczeniu. Choć potrzebne są dalsze prace nad dostosowaniem systemu do użytku domowego i uchwyceniem nie tylko częstotliwości interakcji, lecz także ich znaczenia, to badanie pokazuje, że prosty smartwatch może wiarygodnie mierzyć potężny, a wcześniej niewidoczny składnik rekonwalescencji: ludzkie więzi.

Cytowanie: Dhand, A., Tate, S., Mack, C. et al. Validation of SocialBit as a smartwatch algorithm for social interaction detection in a clinical population. Sci Rep 16, 4529 (2026). https://doi.org/10.1038/s41598-026-37746-x

Słowa kluczowe: rehabilitacja po udarze, interakcja społeczna, czujniki w smartwatchu, biomarker cyfrowy, afazja